技术分享会朴素贝叶斯分类
Posted SWJTU数据科学之家
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了技术分享会朴素贝叶斯分类相关的知识，希望对你有一定的参考价值。
分享人:伍正祥
时间：2018-11-04晚七点
地点：西南交通大学犀浦校区X2440
主题：朴素贝叶斯分类算法
朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法[1] 。最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型（Naive Bayesian Model，NBM）。
和决策树模型相比，朴素贝叶斯分类器(Naive Bayes Classifier,或 NBC)发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率。同时，NBC模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。理论上，NBC模型与其他分类方法相比具有最小的误差率。但是实际上并非总是如此，这是因为NBC模型假设属性之间相互独立，这个假设在实际应用中往往是不成立的，这给NBC模型的正确分类带来了一定影响。
以上是关于技术分享会朴素贝叶斯分类的主要内容，如果未能解决你的问题，请参考以下文章